Mi visión sobre el information gain
Como yo lo entiendo, el information gain es esa información única y particular que tu contenido aporta y que no está en ninguna otra parte: un dato propio, un análisis con tu criterio, una experiencia que solo tú has vivido. Sobre casi cualquier tema hay ya mil artículos publicados. Para poder destacar, tanto en Google como en los LLMs (los modelos de lenguaje tipo ChatGPT, Gemini o Claude), necesitas algo que te haga diferente.
Este mismo artículo es un ejemplo. Hay mucha gente escribiendo sobre information gain, pero aquí vas a encontrar algo que no hay en ningún otro: los datos de un estudio que he hecho yo mismo con Clicandseo, analizando 21.614 citaciones reales de cuatro LLMs. Esa es la pieza que me diferencia. Y eso es exactamente lo que el information gain te da: más probabilidad de aparecer en las respuestas de la IA, en los AI Overviews y en Google.
¿Qué es el information gain?
El information gain es la cantidad de información nueva que un contenido aporta respecto a lo que ya está publicado sobre ese tema. No mide cuánto escribes, sino cuánto añades: datos propios, análisis original o experiencia real que ni el lector ni la IA pueden encontrar en otra fuente.
La idea viene de la recuperación de información (el campo que estudia cómo los buscadores deciden qué mostrarte), y aplicada al SEO se traduce en una pregunta muy simple que deberías hacerte antes de publicar nada:
¿Qué aporta esta página que no esté ya en los diez primeros resultados?
Si la respuesta es "nada", ese contenido va a tener complicado destacar. Y con la IA de por medio, todavía más. Te cuento por qué.
De dónde viene: las patentes de Google
El concepto saltó al SEO por una patente de Google: "Contextual estimation of link information gain" (US11354342B2, concedida en 2022), a la que siguió una segunda en 2024 (US12013887B2). En ellas, Google describe un sistema que puntúa documentos según cuánta información nueva le darían a un usuario teniendo en cuenta lo que ya ha visto. Es decir: si ya has leído tres artículos que dicen lo mismo, el cuarto clon vale poco; el que añade algo distinto, vale más.
Ojo con esto: una patente no es una confirmación. Google registra muchas cosas que luego no aplica tal cual, así que nadie puede asegurarte que exista un "factor information gain" en el algoritmo. Lo que sí es un hecho es que Google lleva años pidiendo exactamente esto en sus directrices de contenido útil: información original, informes, investigación y análisis propio. Es la misma dirección que marca el EEAT SEO: demostrar experiencia real en vez de repetir lo que ya existe.
Hasta aquí la teoría. Lo interesante es que ahora, por primera vez, hay datos que la respaldan.
La IA lo ha convertido en obligatorio
Un estudio de Search Engine Land (Adam Gnuse, mayo 2026), analizando 150.000 páginas de 10 sitios en GA4, midió qué tipo de contenido reciben citas y tráfico desde los LLMs. El resultado por tipo de contenido:
- Guías y how-to de manual: 12%. El contenido educativo genérico es justo el que un LLM puede generar solo, sin citarte.
- Recopilatorios con datos propios: 61%.
- Análisis y tendencias: 78%. Seis veces y media más que las guías.
Hace poco compartí estos datos en LinkedIn y la conclusión que saqué es la misma que defiendo aquí: el contenido donde aportas algo que no está ya en otros mil sitios es el que la IA elige citar.
El mismo estudio deja otro dato que me parece aún más revelador: rankear bien ya no garantiza que la IA te cite. Las 10 páginas con más tráfico orgánico de cada sitio concentraban el 55% de las sesiones desde Google, pero solo el 29% de las sesiones desde LLMs. De las 100 páginas top orgánicas, 49 no recibieron ni una sola visita desde la IA. Y al revés: un 14% de las páginas citadas por LLMs no tenían clics orgánicos.
Esto no significa que el SEO ya no valga. El SEO sigue siendo la base, y quien te diga lo contrario te está vendiendo algo. Lo que significa es que la visibilidad en IA premia una capa más, y esa capa es el information gain.
Lo que veo en mis propios datos
Con Clicandseo, la herramienta que he desarrollado para monitorizar menciones de marca en LLMs, hice un estudio propio analizando 21.614 citaciones de ChatGPT, Gemini, Claude y Perplexity durante dos meses, sobre 3.007 URLs de 1.204 dominios. Algunos datos interesantes:
- El 96,5% de las URLs solo las cita un LLM. Cada modelo tiene su propia dieta de fuentes: Perplexity cita un 90% de webs comerciales, mientras que Claude tira mucho más de fuentes oficiales. No existe una "lista única" en la que entrar; el contenido único te da papeletas en todos los ecosistemas a la vez.
- El schema FAQ no mueve la aguja. Las páginas con FAQ marcado recibieron de media 38,4 citas; las que no lo tenían, 39,7. Marcar contenido genérico no lo convierte en citable, y encaja perfecto con ese 12% de las guías de manual.
- La longitud apenas correlaciona con las citas (0,23 de correlación). Más palabras no es más información. El information gain no va de extensión, va de aportación.
- Las citas son inestables. Muy pocas URLs se mantienen citadas día tras día. La ventana está abierta: se entra rápido... y se sale igual de rápido.
La lectura conjunta de los dos estudios es bastante consistente: lo que la IA parece estar premiando no es el contenido más completo ni el mejor marcado, sino el que aporta algo que no puede generar por sí misma.
Cómo aplicar el information gain
Nada de teoría en abstracto: esto es lo que puedes hacer desde ya.
- Antes de escribir, lee el top 10. Y pregúntate qué vas a añadir que no esté. Si no tienes respuesta, no publiques todavía: busca el dato o el ángulo primero.
- Mete datos propios, aunque sean pequeños. Los resultados de un cliente (sin nombre), tus métricas, una prueba que hiciste y salió mal. No hace falta un estudio de 150.000 páginas: hace falta algo tuyo y verificable. Y si no tienes datos, júntate con quien los tenga: un estudio colaborativo como el que hice sobre el SEO en 2026 también es information gain.
- Lo nuevo, arriba del todo. El estudio de Search Engine Land identificó las respuestas directas al inicio del contenido como el predictor estructural más fuerte de citas en ChatGPT. Tu aportación única no puede estar enterrada en el párrafo doce.
- Análisis con postura antes que resumen neutro. Un 78% frente a un 12% de tasa de cita. Interpretar el dato vale más que repetirlo.
- Si tienes herramientas o calculadoras, dales un nombre buscable. Las herramientas interactivas mostraron de las tasas de cita por página más altas del estudio.
- Actualiza lo viejo añadiendo capa nueva en vez de publicar otro artículo más de lo mismo. Producir por producir cada vez sirve menos.
Cómo saber si está funcionando
El information gain se nota en dos sitios, y conviene mirar los dos:
- En Google: Search Console de toda la vida: impresiones, posiciones y clics de la página.
- En la IA: aquí no hay un "Search Console de ChatGPT", así que toca monitorizarlo. Puedes usar Clicandseo para ver si ChatGPT, Gemini, Perplexity o los AI Overviews mencionan tu marca y qué fuentes citan cuando responden sobre tu sector.
Mi consejo: elige las cinco o diez preguntas que un cliente potencial le haría a la IA sobre tu sector, y mira quién está siendo citado hoy. Ahí vas a ver, mejor que en ningún informe, qué contenido está aportando algo y qué hueco puedes ocupar tú. Monitorizar, detectar esos huecos y ocuparlos es justo el trabajo que hago en los proyectos de SEO para IA.
Producir por producir cada vez sirve menos. Aporta algo que solo tú tengas: un dato, un análisis, una experiencia. Eso es information gain.
